Cuánto de tu código ya lo escribió un agente de IA, y cómo saberlo

La pregunta que un CTO no puede responder hoy

Pregúntale a cualquier líder de ingeniería qué porcentaje del código que está en producción lo escribió un agente de IA. La mayoría no tiene una respuesta con número. Tiene una intuición. Sabe que el equipo usa Copilot, Cursor o Claude Code todos los días, pero nadie llevó la cuenta de cuánto de ese uso terminó realmente commiteado, ni de cuánto pasó por una revisión seria antes de llegar a main.

Esa falta de visibilidad dejó de ser un detalle operativo. Sonar proyecta que en 2027 el 65% del código que se escribe en el mundo va a nacer con un agente. Veracode encontró que el 81% de las organizaciones no tiene forma de medir cuánto de su código ya tiene ese origen hoy. La brecha entre la velocidad con la que se adoptó la IA para escribir código y la velocidad con la que las organizaciones construyeron forma de gobernarla es, en este momento, casi total.

Esta semana publicamos una herramienta gratuita para cerrar una parte de esa brecha: AI Attribution Scanner.

Por qué construimos un clasificador y no un detector

Ya existe una categoría de herramientas que promete "detectar" código escrito por IA, casi siempre con el mismo enfoque implícito de las herramientas de detección de plagio: encontrar culpables. Esa categoría tiene un problema doble. Técnicamente, su precisión ronda el 70-85%, lo suficientemente baja como para generar falsos positivos que un equipo de ingeniería no puede permitirse en una auditoría. Conceptualmente, parte de una premisa que no compartimos: que escribir código con IA es algo que hay que ocultar o sancionar.

En Vora nos preocupa la visibilidad, no el origen: cuánto de tu producto nació con un agente, y cuánto de eso alguien distinto al agente revisó antes de que llegara a producción.

Por eso AI Attribution Scanner no analiza si un fragmento de código "parece" escrito por IA con un modelo de clasificación de contenido. Lee metadata del historial de git (co-author trailers, patrones de commit, cruce con la API de GitHub) y clasifica cada commit en tres categorías simples: asistido por IA, generado por un bot, o humano sin asistencia. Después reporta qué porcentaje de esos commits quedó validado antes de integrarse. Es categorización de proceso, no juicio de calidad ni cacería de culpables.

Cómo funciona, en términos prácticos

Es una GitHub Action. Se instala en un repositorio en minutos y corre sobre el historial existente, no solo hacia adelante. No saca código del runner ni lo envía a ningún servicio externo: todo el análisis ocurre sobre metadata, dentro de tu propia infraestructura de CI. Es gratuita y de código abierto, así que cualquier equipo puede revisar exactamente qué mide y cómo lo mide, en lugar de confiar a ciegas en una caja negra.

El resultado es un reporte con tres números por periodo (porcentaje asistido por IA, porcentaje de bots, porcentaje humano sin asistencia) y un cuarto número transversal: porcentaje validado. Ese cuarto número es, para nosotros, el más importante de los cuatro.

Lo que encontramos al correrlo sobre nuestro propio código

Corrimos el scanner sobre una aplicación real que estamos construyendo en Vora, con historial desde julio de este año. Sobre 1.120 commits, el 88% tuvo asistencia de un agente de IA. Solo el 12% lo escribió una persona sin ayuda. Cero bots, lo cual tiene sentido en un repositorio sin automatización de dependencias activa todavía.

El número que de verdad cambia la lectura de esos datos es el de validación: 83% de esos 1.120 commits quedó validado antes de integrarse. Un 88% de código asistido por IA sin ese dato de validación es, para cualquier CTO, una cifra que genera más preguntas que respuestas. El mismo 88% acompañado de un 83% de validación describe algo distinto: un equipo que usa la velocidad de los agentes sin renunciar al punto de control humano.

La diferencia entre esas dos lecturas es exactamente lo que este tipo de herramienta tiene que hacer visible.

La otra mitad del sistema: PR Guardrail Action

Hace tres semanas lanzamos PR Guardrail Action, otra pieza gratuita y de código abierto que hace algo distinto: detecta pull requests con huella de agente en zonas de riesgo (migraciones de base de datos, comandos de shell, cambios masivos de archivos) y bloquea el merge hasta que haya una aprobación humana explícita. Aquí lo puedes ver y usar https://github.com/vora-co/pr-guardrail-action

Las dos herramientas están diseñadas para trabajar juntas, no como productos separados. El Guardrail pone el punto de control humano donde el riesgo técnico lo justifica. El Scanner mide, después del hecho, cuánto de tu código pasó realmente por ese punto de control. Uno actúa antes del merge. El otro reporta después. Juntos describen un ciclo completo de gobernanza: gate y medición, no solo una de las dos partes.

Qué hacer con esto si eres tú quien tiene que responder por esto

Si lideras ingeniería en una organización que ya adoptó IA para escribir código, y a estas alturas casi todas lo hicieron de una forma u otra, hay tres preguntas que vale la pena hacerse antes de que te las haga tu junta directiva.

Primero: ¿qué porcentaje de tu código de los últimos seis meses nació con un agente? La mayoría de equipos no lo sabe con precisión, solo con intuición.

Segundo: de ese porcentaje, ¿cuánto pasó por una revisión humana real, y no solo por un merge automático porque el CI estaba en verde?

Tercero: ¿esa proporción es distinta en las zonas de tu código donde un error cuesta más, como pagos, autenticación o migraciones de datos?

Ninguna de esas tres preguntas tiene una respuesta cómoda por defecto. Tenerla, aunque sea incómoda, es mejor que decidir sobre arquitectura, seguridad y contratación sin ese dato.

Cómo probarlo

AI Attribution Scanner es gratuito y de código abierto. El repositorio está en https://github.com/vora-co/ai-attribution-scanner. Se instala como cualquier GitHub Action, corre sobre tu historial existente desde la primera ejecución, y no requiere que cambies nada de tu flujo de trabajo actual para empezar a ver el dato.

Si ya usas PR Guardrail Action, las dos se complementan sin configuración adicional. Si no la usas todavía, el repositorio también está enlazado desde ahí.